多智能体姿态不确定性：可微分渲染克拉默-罗伯 bound

姿态估计是计算机视觉和机器人领域的重要任务。尽管其应用广泛，然而鲜有工作为稠密或学习模型下的姿态提供严谨的不确定性量化。我们推导了相对于相机姿态估计协方差的闭式下界，通过将可微分渲染器视为测量函数。我们对图像形成对小姿态扰动在流形上的线性化，得到一种基于渲染的克拉默-罗伯 bound。我们的方法简化为经典的束adjusted不确定性，确保与视觉理论的连续性。它还自然地通过融合多个摄像机的Fisher信息扩展到多智能体设置。我们的统计公式无需显式关键点对应关系，为合作感知和新视角合成等下游任务提供了应用。